随着 Internet 的日益普及和广泛应用，使得客观世界的信息呈几何级的速度增长着，出现了信息爆炸的现象，逐渐发展起来的数据挖掘技术也随之快速向前发展着。目前，互联网已经和我们的生活密不可分，它可以说是一个巨大的、分布广泛和全球性的信息服务中心。它涉及新闻、广告、金融信息、教育、政府、电子商务和许多其他信息服务。计算机网络已经把世界的各个角落连接成一个信息资源巨大的网络世界，网络用户也日益增长。因此进一步改善Web服务器系统的性能、提高Internet信息服务的质量，是非常有必要的，对WEB内容有效的聚类，可以为巨大的用户群提供更好的服务。基于上述现实情况以及我们目前所面临的问题，才使得我有撰写本论文的动力，希望自己能在针对WEB的数据挖掘方面奉献自己的一点微薄之力。 在目前流行的众多的数据挖掘技术中，人工神经网络技术近些年发展迅速，被应用于生产生活的各个方面，在实际生活中发挥着重要的作用。人工神经网络具有强大的非线性映射功能，无需单独建模等优点。本文回顾了以往的 Web 挖掘的一些方法，并在以往挖掘方法的基础之上，提出了利用人工神经网的方法对 Web 页面内容进行较高效率的挖掘的方法。 针对WEB网页的特点，在本文中对WEB页面进行预处理与特征提取从而得到试验需要的数据。然后利用 SOM(self-Organization feature Map)网络对得到的WEB文本进行聚类，并得到了比较好的聚类效果，但在聚类过程中存在类目过细的缺点，这是由于样本选择过细的造成的，可以进一步完善。